AI-ingenjör - Genius Sports - New York, USA

Om rollen - AI-ingenjör, Sports AI Vi söker en AI-ingenjör till vårt Sports AI-team för att hjälpa till att bygga nästa generation av tillämpade AI-system som driver sportanalys, automatisering och insikter. Dessa system använder live- och historiska sportdata, inklusive spårningsdata, strukturerade flöden, sändningsvideo, kommentarer och text, för att förstå matchkontext, identifiera och berika nyckelhändelser, uppskatta sannolikheten för framtida händelser och generera insikter. Resultaten från dessa system driver en rad produkter och arbetsflöden, såsom att projicera vilka matcher eller ögonblick som kommer att vara mest spännande för fansen och att automatisera delar av manuell play-by-play-insamling med hjälp av CV/AI. Rollen omfattar ett brett utbud av modellerings- och automatiseringsproblem inom flera sporter, inklusive fotboll, amerikansk fotboll och basket. Denna roll ligger i skärningspunkten mellan maskininlärning, AI-systemdesign och produktionsteknik. Du kommer att äga avgränsade AI-system från början till slut: formulera relevanta modelleringsproblem, konstruera de dataset som behövs för att lösa dem, träna och komponera modeller och algoritmer, bygga inferenspipeliner som orkestrerar dem och noggrant utvärdera utdatakvaliteten mot rörig, verklig data. Du kommer att arbeta med utmaningar som att samköra signaler från flera källor, hantera osäkerhet och inkonsekvens i systemutdata samt förbättra noggrannhet, latens och tillförlitlighet i realtidsflöden för produktion. I denna roll kommer praktiskt ML/AI-arbete att vara centralt: förstå data, utveckla modeller och algoritmer, utvärdera utdata empiriskt och iterera i produktion. Du kommer också att tillämpa LLM:er och agentbaserade arbetsflöden som en del av din bredare AI-ingenjörsverktygslåda. Huvudsakliga ansvarsområden - Äga tillämpat AI-arbete från början till slut, från datautforskning och tidiga prototyper till utvärdering, produktionsintegration och iteration - Utveckla och komponera modeller, algoritmer och inferenspipeliner som omvandlar sportdata till strukturerade händelser, förutsägelser, insikter och konfidensmedvetna utdata - Bygga modeller för problem som händelsedetektering, uppskattning av sannolikhet för händelser, projektion av fan-intresse och spänning, samt automatisering av manuell play-by-play-insamling - Arbeta med rörig, multimodal sportdata från spårningssystem, video- och datorseendeutdata, ljud, kommentarer, text och strukturerade flöden, inklusive ofullständiga etiketter och tvetydiga verkliga exempel - Definiera och använda mätvärden, utvärderingsdataset och benchmarks för att mäta AI-systemets kvalitet och vägleda beslut kring modeller, algoritmer och produkter - Träna, anpassa, utvärdera och integrera ML-modeller och AI-komponenter, inklusive flerstegssystem där modell-, algoritmiska och LLM/agent-utdata komponeras, valideras och förfinas - Designa arbetsflöden som använder mänsklig granskning eller korrigeringsdata för att förbättra utvärdering, modeliteration och utdatakvalitet i produktion där det är lämpligt - Arbeta nära CV-ingenjörer med träningspipeliner, märkningsarbetsflöden och mönster för modellutplacering - Samarbeta med produkt-, dataplattform-, infrastruktur- och systemingenjörer för att integrera utvärderade AI-utdata i realtidsprodukter för sport och automatiseringsflöden - Mentorskap av juniora kollegor och bidra till teamets kunskapsdelning, granskningar och experimentdesign Kvalifikationer - 3+ års erfarenhet av att bygga produktionssatta ML-, CV- eller AI-system - Förmåga att översätta tvetydiga sportproduktmål till konkreta ML-uppgifter, inklusive definition av prediktionsmål, identifiering av rätt data, mätning av utdatakvalitet och leverans av produktionsklara lösningar - Praktisk erfarenhet av produktions-ML/AI, inklusive konstruktion av dataset, definition av funktioner och etiketter, träning och driftsättning av modeller, empirisk utvärdering av utdata och leverans av AI-systemkapabiliteter i produktion - Starkt modelleringsomdöme inom djupinlärning och klassisk ML, med erfarenhet av att välja tillvägagångssätt baserat på datainmatning och problemstruktur - Erfarenhet av prediktiv modellering, händelsedetektering, datamärkning, förbättring av datakvalitet och kommunikation av experimentresultat till tekniska och icke-tekniska intressenter - Förmåga att utvärdera AI-systemets kvalitet bortom anekdotisk inspektion, inklusive resonemang kring tvetydiga utdata, ofullständiga etiketter, osäkerhet och avvägningar i verkliga produkter - Starka grunder inom produktionsteknik, inklusive testning, observerbarhet, prestanda och tillförlitlighet - Påvisat intresse för det snabbrörliga landskapet av LLM:er, senaste modellerna, agentbaserade AI-system och utvecklingsramverk - Bekväm med att arbeta i snabbröriga, iterativa miljöer med föränderliga krav Föredragna kvalifikationer - Praktisk erfarenhet av LLM-integrerade arbetsflöden, LLM-API:er eller molnbaserade AI-plattformar som AWS Bedrock, agentbaserade AI-system, multi-agentsystem eller utvärdering av LLM/agent-utdata i produktionsflöden - Erfarenhet av ML/CV-domäner relevanta för sportförståelse, såsom aktivitetsigenkänning, sekvensmodellering, multimodal modellering, objektdetektering, spårning eller spelaridentifiering - Erfarenhet av att arbeta med spelarspårningsdata, sportanalys, play-by-play-data, märkningsplattformar och/eller ML-träningsplattformar som Union - Erfarenhet av att samarbeta med CV-ingenjörer eller integrera CV-modellutdata i nedströms ML-arbetsflöden - Erfarenhet av att använda mänsklig granskning eller korrigeringsarbetsflöden för att utvärdera och förbättra AI-systemets kvalitet - Erfarenhet av att bygga produktionssystem i Rust - Bekantskap med streaming, händelsestyrda, ljud/video- eller realtidsdataflöden är ett plus - Bakgrund eller starkt intresse för sport, särskilt fotboll, amerikansk fotboll och basket